SimBioSys Mempresentasikan Data Baru untuk Platform Pengobatan Personalisasi Kanker Payudara di Simposium Kanker Payudara Tahunan San Antonio ke-46

CHICAGO–(Antara/BUSINESS WIRE)–SimBioSys, sebuah perusahaan TechBio yang membuka kekuatan biofisika spasial dengan kecerdasan buatan (AI) dan ilmu data untuk mendefinisikan kembali pengobatan presisi untuk kanker dengan perangkat lunak, baru-baru ini mempresentasikan data baru dari platform TumorSight dan PhenoScope di ajang 46^th Simposium Kanker Payudara Tahunan San Antonio (SABCS), diadakan pada tanggal 5-9 Desember 2023.

Data dari studi validasi internal dan eksternal dibagikan dalam enam presentasi poster terpisah di konferensi tersebut. Hasilnya mencakup kolaborasi dengan lembaga penelitian kanker ternama, analisis multilembaga, peningkatan visualisasi, dan kemampuan prediksi volumetrik untuk membantu perencanaan pembedahan.

“Kami sangat gembira untuk berbagi data menarik ini dengan komunitas penelitian kanker payudara yang lebih luas, yang merupakan bukti kegunaan platform diagnostik & perencanaan pengobatan digital pertama kami, TumorSight dan PhenoScope, untuk mendukung pasien secara end-to-end. perjalanan mereka dalam perjuangan mereka melawan kanker,” kata Tushar Pandey, Chief Executive Officer di SimBioSys. “Kami juga mengucapkan terima kasih kepada para kolaborator kami yang luar biasa dan berharap dapat memperluas kemitraan penelitian kami dan dalam waktu dekat mendukung perawatan klinis mereka.”

Presentasi dan temuan utama dibagikan di bawah ini dan juga dapat ditemukan di situs web SimBioSys.

(PO2-01-01) Simulasi Biofisik Menggunakan DCE-MRI untuk Memprediksi Respon NAT pada Pasien HER2+, dengan Karakterisasi Glukosa dan Validasi Ortogonal Menggunakan FDG-PET.

Kolaborator: Kota Harapan, Universitas Kesehatan & Sains Oregon

Ringkasan Penelitian: Kami melakukan simulasi biofisik 3D pada masing-masing pasien kanker payudara HER2+ untuk memperkirakan respons terhadap kemoterapi neoadjuvan (NAT).

Temuan Kunci:

• Simulasi biofisik SimBioSys terhadap terapi bertarget HER2 secara akurat memperkirakan respons pasien, menghasilkan akurasi prediksi sebesar 0.83.
• Lebih lanjut, tim kami dapat mengkarakterisasi kinerja dengan menunjukkan korelasi peta perfusi, yang dibangun dari simulasi biofisik 3D pada pasien DCE-MRI, dengan dua modalitas PET yang mewakili lingkungan mikro tumor.
• Pendekatan baru ini dapat digunakan baik dalam penelitian maupun klinis, memberikan informasi yang dapat ditindaklanjuti mengenai apa yang mendorong respons terapeutik spesifik pasien untuk perawatan yang lebih individual.

(PO2-02-11) Radiomik dan Model Erosi untuk Memprediksi Karakteristik Tumor Pasca Terapi Neoadjuvan untuk Perawatan Kanker Payudara yang Dipersonalisasi.

Kolaborator: Kedokteran Northwestern, Universitas Carolina Utara, Baylor Scott & White

Ringkasan Penelitian: Kami menggunakan data pencitraan pra-perawatan untuk memprediksi secara akurat efektivitas terapi neoadjuvan (NAT).

Temuan Kunci:

• Karakteristik tumor yang diprediksi relevan secara klinis (volume tumor, volume lambung cembung, dan karakteristik morfologi/spasial) menunjukkan kesesuaian yang erat dengan kebenaran dasar pencitraan pasca-NAT.
• Dengan memberikan perkiraan karakteristik tumor pasca-NAT yang andal menggunakan data SOC pra-NAT, model prediktif ini dapat memungkinkan perencanaan perawatan yang dipersonalisasi dan stratifikasi pasien untuk mengoptimalkan perawatan pasien.

(PO1-01-05) Model Spasial PK/PD dengan Ekspresi HER2 untuk Memprediksi Respon Tumor Individu terhadap TDM1.

Ringkasan Penelitian: Kami mengembangkan model PK/PD spasial untuk konjugat antibodi-obat trastuzumab emtansine (T-DM1) dan mengeksplorasi hubungan antara ekspresi target HER2 dan fitur lingkungan mikro tumor lainnya.

Temuan Kunci:

• Analisis spasial PK/PD SimBioSys meningkatkan prediksi prognostik dibandingkan dengan data ekspresi gen HER2 saja.
• Model biofisik spasial menunjukkan bahwa ciri-ciri lingkungan mikro tumor spasial juga mempengaruhi respons selain ekspresi target.

(PO2-02-10) Memprediksi Kelayakan Bedah Konservasi Payudara Menggunakan Standar Perawatan Pra-perawatan DCE-MRI: Alat Pendukung Keputusan Klinis Baru untuk Perencanaan Bedah Kanker Payudara.

Kolaborator: Universitas Chicago, Universitas Alabama, Mayo Clinic, Northshore Health

Ringkasan Penelitian: Kami mengembangkan alat yang mampu memberikan rekomendasi informasi mengenai operasi konservasi payudara (BCS) atau mastektomi berdasarkan data pasien pencitraan perawatan standar.

Temuan Kunci:

• TumorSight berhasil memprediksi BCS pada 76% kasus, dan mastektomi pada 61%.
• TumorSight dan Skor Kelayakan BCS membantu memberdayakan pasien dan dokter dengan informasi dan alat untuk memfasilitasi keputusan perencanaan bedah.

(PO2-07-04) Penerapan Pedoman Uji Coba Aliansi pada Penyakit Payudara Multi-fokal Menggunakan Platform Komputasi Kecerdasan Buatan: Analisis Ekonomi dan Sensitivitas Kosmetik.

Kolaborator: Mayo Clinic, Universitas Cincinnati, Universitas Chicago, Fakultas Kedokteran Baylor

Ringkasan Penelitian: Kami mengevaluasi kelompok pasien untuk lebih memahami dampak ekonomi dari uji coba Alliance dan selanjutnya mengkategorikan pasien yang paling diuntungkan tanpa mengalami dampak kosmetik.

Temuan Kunci:

• Analisis ekonomi kami mengenai BCS vs. mastektomi menunjukkan perkiraan penghematan biaya sebesar $17,000-$28,500 untuk pasien BCS yang memiliki asuransi swasta, yang menunjukkan bahwa penurunan biaya dan peningkatan kualitas hidup dapat diselaraskan.
• Kami memperkirakan bahwa konversi BCS dari mastektomi menawarkan penghematan bersih sebesar $170-350 juta per tahun.

(PO2-03-01) Model Tumor 3D yang Dipersonalisasi Mendorong Pengambilan Keputusan Bersama pada Kanker Payudara Dini.

Kolaborator: Advokat Pasien dalam Penelitian, Dana-Farber Cancer Institute

Ringkasan Penelitian: Pemimpin Opini Pasien (POL) dan ahli bedah kanker payudara tahap awal disurvei untuk menilai potensi dampak TumorSight pada pengambilan keputusan bersama untuk pilihan bedah kanker payudara.

Temuan Kunci:

• POL dan ahli bedah menunjukkan penerimaan positif terhadap visualisasi TumorSight untuk perencanaan bedah dan pengambilan keputusan.
• POL mencatat bahwa banyak pasien tidak tahu bahwa mereka punya pilihan dalam operasi.
• 90% POL percaya bahwa visualisasi sangat penting bagi pasien kanker payudara tahap awal, dan 80% percaya bahwa visualisasi akan meningkatkan kepercayaan diri terhadap keputusan mereka dan dokter bedah mereka.
• Alat komputasi seperti TumorSight dapat memfasilitasi pemahaman pasien dan meningkatkan perawatan yang disesuaikan dengan pasien.

Tentang SimBioSys:

SimBioSys adalah perusahaan TechBio yang menerapkan kombinasi kecerdasan buatan, ilmu data, dan biofisika spasial untuk mendefinisikan kembali pengobatan presisi, mengubah perawatan pasien, dan mengalahkan kanker. Dengan melihat kanker secara lebih menyeluruh, SimBioSys bertujuan untuk memberdayakan dokter, pasien, dan peneliti dengan pemahaman yang lebih mendalam mengenai tumor pasien agar dapat menilai secara optimal semua pilihan yang tersedia dan memberikan perawatan pasien yang benar-benar individual. Untuk mempelajari lebih lanjut, kunjungi kami di https://www.simbiosys.com/.

kontak

Sarah Ellinwood

540-958-1011

Sarah.ellinwood@themarketelement.com

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.fintechnews.org/simbiosys-presents-new-data-for-breast-cancer-personalized-medicine-platforms-at-the-46th-annual-san-antonio-breast-cancer-symposium/